Neuronale Netze sind gut geeignet zur Regelung von nichtlinearen Systemen. Sie werden zur Identifikation des Prozeßmodells oder des inversen Prozeßmodells bzw. zur Realisierung eines Regelungsalgorithmus verwendet. Anhand Blockschaltbilder werden die einzelnen Methoden erörtert. Die Radaufhängung eines Fahrzeuges ist wegen der polynomförmigen Federkennlinie und der asymmetrischen Dämpfungskennlinie ein nichtlineares System. Drei Verfahren wurden zur Schwingungsunterdrückung verglichen. Erstens wurde nur eine passive Dämpfung verwendet. Zweitens wurde ein optimaler Zustandsregler zum linearisierten Modell der Radaufhängung entworfen und angewendet. Schließlich wurde die Regelung mit Hilfe von neuronalen Netzen durchgeführt. Eine kombinierte Gütefunktion wurde aus den Beschleunigungen und Positionen des Fahrzeuges, aus den Kontaktkräften zum Boden und aus den Stellsignalen gebildet. Die Simulationen zeigten eine deutliche Verbesserung der Regelgüte um etwa 21 % gegenüber der linearen Regelung bei einem kaum größeren Stellsignalbereich.
Optimal active control of nonlinear vehicle suspensions using neural networks
Optimale aktive Regelung nichtlinearer Fahrzeugradaufhängungen mit Hilfe von neuronalen Netzen
1994
12 Seiten, 14 Bilder, 2 Tabellen, 20 Quellen
Article (Journal)
English
Stochastic optimal control of active vehicle suspensions using learning automata
Tema Archive | 1993
|Optimal active vehicle suspensions with full state feedback control
Automotive engineering | 1992
|Optimal active vehicle suspensions with full state feedback control
Tema Archive | 1992
|Optimal Active Vehicle Suspensions with Full State Feedback Control
SAE Technical Papers | 1992
|Optimal control of vehicle suspensions
TIBKAT | 1994
|